故障预报与最优维护是复杂机电系统健
康管理的核心问题。已有方法不能有效综合利
用表征复杂机电系统性能的多个特征变量的定
量测试数据和定性知识，解决其在线故障预报
和最优维护问题。项目理论上，系统深入的研
究了基于虚拟现实技术的复杂机电系统特征量
提取方法，进一步研究了基于多特征量的复杂
机电系统故障诊断及预报方法，提出了基于灰
色关联度及协同模式识别的航空发动机气路故
障诊断方法以及基于半定量信息的故障预报方法，建立了基于置信规则库（belief rule
base，BRB）的复杂机电系统故障预报新模型 ；基于半定量信息，研究了复杂机电系统
的健康管理及最优维护方法，提出了基于双层 BRB 复杂机电系统健康预测方法，为提
高在实际工程系统中的健康预测精度，提出了考虑特征量监测误差的复杂机电系统健
康预测模型，最后，研究了存在环境影响和安全性约束的复杂机电系统最优维护方法。
工程上，理论研究成果应用于航空发动机，轨道车辆车厢 LED 照明系统、数控机床以
及汽车零部件生产线的故障诊断与预报、健康管理、安全生产管理，提高了复杂机电
系统的安全性和可靠性，降低了系统维护成本。
在基金的支持下，在科学出版社出版专著 2 部，发表学术论文 34 篇，其中在
IEEE Transactions on Systems, Man, and Cybernetics: Systems、IEEE Access、Applied Soft
Computing 和自动化学报等国内外期刊上发表
论文 12 篇 ；授权发明专利 2 件，授权软件著作
权 2 件，申请发明专利 5 件 ；获得吉林省科学
技术奖一等奖（科技进步）1 项，中国电子学
会科技进步二等奖 1 项，吉林省安全生产科技
成果一等奖 1 项，长春市科技进步一等奖 1 项。